xml - 使用 xpathSApply 在 R 中抓取 XML 属性

Question

我正在使用 xpathSApply(在 XML 包中)在 R 中抓取 XML，但无法提取属性。

首先，一段相关的 XML 片段:

 <div class="offer-name">
        <a href="http://www.somesite.com" itemprop="name">Fancy Product</a>
      </div>

我已经使用以下方法成功提取了“Fancy Product”(即元素？):

Products <- xpathSApply(parsedHTML, "//div[@class='offer-name']", xmlValue) 

这花了一些时间(我是 n00b)，但是文档很好，而且这里有几个我可以利用的已回答问题。我不知道如何拉出“http://www.somesite.com”(属性？)。我推测它涉及将第 3 项从“xmlValue”更改为“xmlGetAttr”，但我可能会完全放弃。

仅供引用 (1) 在我粘贴的代码片段上方还有 2 个父级 < div> 并且 (2) 这里是缩写的完整代码(我认为不相关但为了完整起见包含在内)是:

library(XML)
library(httr)

content2 = paste(readLines(file.choose()), collapse = "\n") # User will select file.
parsedHTML = htmlParse(content2,asText=TRUE)

Products <- xpathSApply(parsedHTML, "//div[@class='offer-name']", xmlValue) 

Answer 1

href 是一个属性。您可以选择适当的节点 //div/a 并使用带有 name = href 的 xmlGetAttr 函数:

'<div class="offer-name">
  <a href="http://www.somesite.com" itemprop="name">Fancy Product</a>
  </div>' -> xData
library(XML)
parsedHTML <- xmlParse(xData)
Products <- xpathSApply(parsedHTML, "//div[@class='offer-name']", xmlValue) 
hrefs <- xpathSApply(parsedHTML, "//div/a", xmlGetAttr, 'href')
> hrefs
[1] "http://www.somesite.com"